最近的项目中有个关于网页取图的功能需要我自己开发,那就是用正则表达式来匹配图片标签。
一般来说一个 HTML 文档有很多标签,比如“<html>”、“<body>”、“<table>”等,想把文档中的img
标签提取出来并不是一件容易的事。由于img 标签样式变化多端,使提取的时候用程序寻找并不容易。于是想要寻找它们就必须写一个非常健全的正则表达式,不然有可能会找得不全,或者找出来的不是正确的img
标签。我们可以从 HTML 标签的格式去想应该怎么建这个正则表达式。首先要想一下img 标签有几种写法,忽略大小写不看的话,下面列出img
标签可能出现的几种情况。<img>
<img/> <imgsrc=/>
这一些标签不用考虑,因为没有图片资源地址。<imgsrc=
/images/pic.jpg/ > <imgsrc=" /images/pic.jpg" > <imgsrc=
'/images/pic.jpg ' / >
这一些标签都有图片资源地址,另外还有一个特点就是有引号对,可能为单引号,也可能为双引号。因为不需要同时匹配引号对,所以正则表达式可以这么写:@"<img\s*src\s*=\s*[""']?\s*(?[^\s""'<>]*)\s*/?\s*>"<imgwidth="320"height="240"src=/images/pic.jpgonclick="window.open('/images/pic.jpg')">
因为 img 和 src 之间可能会有其他的参数,所以“<img”要有个单词结束,比如说不能是“<imgabc”,同样
src 前面也是一样,使用单词结束符“\b”有一个好处就是省去了表示空格的“\s*”。另外由于 img 标签中不可以出现“<”、“>”这样的符号,所以要改写前面的正则表达式:@"<img\b[^<>]*?\bsrc\s*=\s*[""']?\s*(?<imgUrl>[^\s""'<>]*)[^<>]*?/?\s*>"<imgwidth="320"height="240"src=
"
/images/pic.jpg" />
像这种可能会用回车符折行的问题有时候会出现,所以在有空格分开的地方要包含回车换行和 TAB 字符,另外在图片地址中不能出现空格、TAB、回车和换行字符。所以上面的正则表达式可以改成:@"<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>"下面写出取得HTML中所有图片地址的静态方法。 /// <summary>
/// 取得HTML中所有图片的 URL。
/// </summary>
/// <param name="sHtmlText">HTML代码</param>
/// <returns>图片的URL列表</returns>
public static string[] GetHtmlImageUrlList(string sHtmlText)
{
// 定义正则表达式用来匹配 img 标签
Regex regImg = new Regex(@"<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>", RegexOptions.IgnoreCase);
// 搜索匹配的字符串
MatchCollection matches = regImg.Matches(sHtmlText);
int i = 0;
string[] sUrlList = new string[matches.Count];
// 取得匹配项列表
foreach (Match match in matches)
sUrlList[i++] = match.Groups["imgUrl"].Value;
return sUrlList;
}
转载自:
http://www.cnblogs.com/xiaoyao2011/archive/2011/09/25/2190013.html#2207683
分享到:
相关推荐
C# 正则表达式 集合 C# 正则表达式 集合 C# 正则表达式 集合
正则表达式测试工具C#完整源码,包括查找和替换功能,标注显示匹配结果。
包含了常用正则表达式的使用,验证,正则表达式替换字符串,判断字符串是否为正整数,判断输入的字符串是否全是英文、中文....
前几天在CSDN多个版块看到需要日期正则的帖子,所以整理了这篇文章,和大家一起讨论交流,如有遗漏或错误的地方,还请大家指正。 日期正则一般是对格式有要求,且数据不是直接由用户输入时使用。因应用场景的不同,...
c#使用正则表达式验证身份证号码,工程完全可以运行,方便大家参考和学习
C#正则表达式语法大全
由微软英文版在线文档整理而成的pdf手册,包含完整书签、文档内部链接,很适合C#正则表达式的学习与参考。
C#,VS2010,利用正则表达式验证网址(url),
一个WinForm程序用以测试C#正则表达式文本框验证:只能输入整数和带两位小数的小数。如暂时无法下载,可以查看本人CSDN博客里相应文章中关于该程序的思路。能力有限,仅供交流学习,请多多指教。
C#正则表达式应用C#正则表达式应用C#正则表达式应用C#正则表达式应用
C#正则表达式用法
C#正则表达式汇总,让你更快捷学会正则表达式的用法。。。
java正则表达式,c#正则表达式.
C#正则表达式语法,正则表达式是一门很强大的学科。应用范围也很广。
给写了2个方法,一个是直接截取单个需要的字符串,比如字符串string a="ab123456",我只需要提取3,那么就是单独截取就可以了,从2开始到4结束就行。 第二个是把所有的符合条件的字符串都截取出来,提取出来,比如...
使用正则表达式来判断用户输入的IP地址格式是否正确
C#正则表达式小结,C#正则表达式小结,C#正则表达式小结,C#正则表达式小结
C#正则表达式的使用,希望大家可以学习学习! [C#] bool IsValidEmail(string strIn) { // Return true if strIn is in valid e-mail format. return Regex.IsMatch(strIn, @"^([\w-\.]+)@((\[[0-9]{1,3}\.[0-9]{1,3...
c#正则表达式.pptc#正则表达式.pptc#正则表达式.pptc#正则表达式.pptc#正则表达式.pptc#正则表达式.pptc#正则表达式.pptc#正则表达式.pptc#正则表达式.ppt
c#正则表达式汇总,所有情况都有的哦。